基于常规CT图像应用影像组学模型预测浸润性肺腺癌不同分化程度的价值

作者：单文莉; 柏根基; **; 段绍峰; 郭莉莉

来源：临床放射学杂志, 2020, 39(06): 1095-1098.

DOI：10.13437/j.cnki.jcr.2020.06.015

• 肺腺癌
• 分化程度
• 影像组学
• 人工智能

目的探讨CT影像组学模型在预测浸润性肺腺癌(IAC)分化程度的价值。方法回顾性分析2017年10月至2018年8月经手术病理或穿刺病理结果证实为IAC的患者133例,其中,106例作为训练组,27例作为测试组。根据病理结果,将所有患者分为高、中分化组(67例)和低分化组(66例),所有患者均在本院行胸部CT平扫。使用病灶分割软件ITK-SNAP手动分割每个患者的病灶,勾画每个层面病灶最大界面作为感兴趣区(ROI),对所有病灶CT图像进行高通量特征采集,提取出396个CT特征。对所得特征进行LASSO降维处理,构建得到预测模型,采用受试者工作特征曲线(ROC)评价模型的预测效能。结果采用LASSO回归降维方法筛选保留10个特征参数,预测模型在训练组中的曲线下面积(AUC)为0.84(95%CI:0.762～0.923),敏感度和特异度分别为59.6%和97.9%,模型的准确度为79.4%,阳性预测值为97.0%,阴性预测值为71.0%;在测试组中预测模型的AUC为0.83(95%CI:0.698～0.971),敏感度和特异度分别为75.0%和84.2%,测试的准确度为79.3%,阳性预测值为83.2%,阴性预测值为76.3%。结论基于CT影像组学模型预测IAC的分化程度有重要价值。

• 单位
  南京医科大学